摘要
本发明提供了一种自定义关键词检测方法及系统，包括：获取原始音频数据和关键词文本；所述原始音频数据为多人混叠语音数据；分别对所述原始音频数据和所述关键词文本进行特征提取，得到语音特征和关键词文本特征；将所述语音特征和所述关键词文本特征作为同一向量空间的模型嵌入，通过融合自动语音识别ASR技术与关键词检测KWS技术的交叉注意力机制，在所述原始音频数据识别所述关键词文本和/或定位所述关键词文本位置。通过本发明，提出一种基于交叉注意力机制的快速自定义关键词检测方案，基于音素级位置预测与动态掩码生成，实现从混叠语音中提取目标语音片段并精准检测关键词的技术突破，显著提升了复杂场景下的检测鲁棒性。
